Skill Reviewer

基于 Anthropic 官方 Skill Best Practices、mgechev/skills-best-practices、SurePrompts Agent Prompting Guide 的全面 Skill 质量审查工具。

审查模式

用户可指定审查范围：

• desc — 只跑阶段一（Description 审查）
• body — 只跑阶段二（Body 内容审查）
• full — 两阶段全量审查（默认）

阶段一：Description 审查

1. 获取待审查的 description

三种输入方式：

• 用户直接提供 description 文本
• 用户指定 skill 名称 → 读取对应 SKILL.md 的 frontmatter
• 用户要求批量审查 → 扫描 ~/.openclaw/workspace/skills/ 下所有 SKILL.md

2. 执行六维评分

读取 references/scoring-criteria.md 获取完整评分标准。

六个维度，每项 0-2 分，满分 12 分：

• 动作清晰度 — 能否一句话说清做什么
• 触发条件 — LLM 能否准确判断何时使用
• 排除边界 — 是否有 NOT for 防止误触发
• 原子性 — 是否只解决一个问题
• 简洁性 — 是否在 1024 字符内且无冗余
• 命名一致性 — name 与 description 是否语义一致

3. 输出 Description 审查报告

按 scoring-criteria.md 中定义的输出格式生成报告。

总分 < 7 时，读取 references/examples.md 获取重写模板和对照示例，提供重写建议。

阶段二：Body 内容审查

4. 获取 SKILL.md 完整内容

读取目标 skill 的 SKILL.md 全文及目录结构（find -type f）。

5. 执行七维评分

读取 references/body-scoring-criteria.md 获取完整评分标准。

七个维度，每项 0-2 分，满分 14 分：

• 渐进式披露 — SKILL.md 是否只做导航，详细内容是否拆分
• 体积控制 — SKILL.md 行数是否合理（≤150 优秀，≤500 合格）
• 步骤结构化 — 工作流是否用编号步骤，分支是否清晰
• 指令风格 — 是否第三人称祈使句，面向 LLM
• 模板优于描述 — 复杂输出是否提供模板
• 脚本封装 — 易碎操作是否封装为脚本
• 错误处理 — 是否有失败路径和降级方案

6. 输出 Body 审查报告

按 body-scoring-criteria.md 中定义的输出格式生成报告。

总分 < 8 时，读取 references/body-examples.md 获取重构建议和对照示例。

综合评分

两阶段完成后，输出综合报告：

## 综合评审: <skill-name>

| 阶段 | 得分 | 评级 |
|------|------|------|
| Description | X/12 | ... |
| Body | X/14 | ... |
| **综合** | **X/26** | ... |

综合评级标准：

• 22-26 分：✅ 优秀
• 15-21 分：⚠️ 合格
• 8-14 分：🔶 需改进
• 0-7 分：❌ 不合格

批量审查模式

用户要求审查所有 skill 时：

1. 扫描 skills 目录下所有 SKILL.md
2. 逐个执行选定的审查阶段
3. 汇总为排序表格，优先展示需改进的 skill
4. 输出整体质量分布统计